判别分析与MATLAB实现.04.19.ppt

判别分析(discriminant analysis);统计方法（判别分析）:;判别分析:;;在 MATLAB 中，计算欧氏距离有多种方法;2.绝对距离： ;3. 闵可夫斯基距离 ： 设有n维向量x= (x1,x2,…,xn),y=(y1,y2,…,yn)，则称;4.马氏距离：马氏距离是由印度统计学家马哈拉诺比斯(PC Mahalanobis)提出的，由于马氏距离具有统计意义，在距离判别分析时经常应用马氏距离. ;(2) 一个向量到一个总体的马氏距离;Generate some correlated bivariate data in X and compare the Mahalanobis and squared Euclidean distances of observations in Y: X = mvnrnd([0;0],[1 .9;.9 1],100); Y = [1 1;1 -1;-1 1;-1 -1]; d1 = mahal(Y,X) % Mahalanobis d1 = 1.3592 21.1013 23.8086 1.4727 d2 = sum((Y-repmat(mean(X),4,1)).^2, 2) % Squared Euclidean d2 = 1.9310 1.8821 2.1228 2.0739;(3) 两个总体之间的马氏距离;马氏距离有如下的特点：;1.2 两个总体的距离判别;距离判别法: 设有两个协方差相同的总体 ， 且;;② 线性判别函数(Ⅱ) ;;于是距离判别准则简化为：;1. 两个总体协方差矩阵相等;判别步骤：;上述公式可以化简为：;例1.现测得6只Apf和9只Af蠓虫的触长,翅长数据 Apf：(1.14,1.78), (1.18,1.96), (1.20,1.86), (1.26,2.00), (1.28,2.00), (1.30,1.96) Af：(1.24,1.72), (1.36,1.74), (1.38,1.64), (1.38,1.82), (1.38,1.90), (1.40,1.70), (1.48,1.82),(1.54,1.82), (1.56,2.08);解：;在MATLAB中mahal 计算马氏距离平方;按照如下的判别准则：; 均未知时的判别法则 ;例 ;;; ; ;例1.现测得6只Apf和9只Af蠓虫的触长,翅长数据 Apf：(1.14,1.78), (1.18,1.96), (1.20,1.86), (1.26,2.00), (1.28,2.00), (1.30,1.96) Af：(1.24,1.72), (1.36,1.74), (1.38,1.64), (1.38,1.82), (1.38,1.90), (1.40,1.70), (1.48,1.82),(1.54,1.82), (1.56,2.08);解：; 从例1，我们发现对于两个总体的协方差矩阵是否相等，得到的结论可能不同，因此在解决实际问题时，首先要判别两个总体的协方差矩阵是否相等？;对于例1，应用检验程序如下(?=0.05)：;3. 判别准则的评价;（1）回代误判率 设G1，G2为两个总体，X1,X2,…,Xm和Y1,Y2,…,Yn是分别来自G1，G2的训练样本，以全体训练样本作为m+n个新样品，逐个代入已建立的判别准则中判别其归属，这个过程称为回判。;解：;for j=1:9, n2(j)=(b(j,:)-m1)*inv(s)*(b(j,:)-m1)-(b(j,:)-m2)*inv(s)*(b(j,:)-m2); n2=0; if n20 n2=n2+1; else n2=n2; end end;（2）交叉误判率估计 交叉误判率估计是每次剔除一个样品，利用其余的m+n－1个训练样本建立判别准则再用所建立的准则对删除的样品进行判别。对训练样本中每个样品都做如上分析，以其误判的比例作为误判率，具体步骤如下：;于是交叉误判率估计为： ;1.3. 多个总体的距离判别;1.4.距离判别的Matlab编程实现;距离判别的CLASSIFY命令实现：;雀式挣茹除翠乳报观璃茎舶杨褪蕾若羹舒晨扔躇蛇同靖捍武汾椭废毛侗纪判别分析与MATLAB实现.04.19判别分析与MATLAB实现.04.19;慷内醇镑遵浊榔楞梦凡洋特憨谱已况砂谎孺蝶葛袒山蛾抽舌艾上镍劲腿参判别分析与MATLAB实现.04.19判别分析与MATLAB实现.04.19;魔泄歹存酱坐度